«Шум» решает: реалистичная динамика работы всего мозга
Исследователи из Японии продемонстрировали, что активность «всего мозга» круглых червей имеет индивидуальные различия. Однако пока не совсем понятно, из-за чего они возникают. Кроме того, исследователи путем компьютерного моделирования показали, что «шум» необходим для активности мозга.
Интересная особенность головного мозга состоит в его способности выполнять довольно широкий спектр разнообразных функций при неизменной анатомической структуре. Существует гипотеза, которая предполагает, что эта особенность мозга обеспечивается его модульной организацией и иерархической системой взаимодействий составных частей, между которыми происходит непрерывный обмен информацией. Однако все еще доподлинно неизвестно, как именно мозг выполняет различные интегративные и инструктивные функции. Понимание динамики мозга на всех структурных уровнях, от отдельных нейронов до функциональных областей мозга и всего мозга, остается сложной задачей из-за его структурной сложности и огромного количества нейронов.
Головной мозг крупных млекопитающих состоит из десятков миллиардов нейронов и отличается высокой сложностью. Понимание его динамики на всех структурных уровнях до сих пор остается сложной задачей, которую не получается решить при помощи существующих технологических достижений. Напротив, для более мелких животных, нервная система которых не отличается такой сложностью, измерения активности квазицелого мозга с разрешением отдельных клеток оказываются более многообещающими.
Один их наиболее удачных модельных организмов, хорошо подходящих для такого анализа - нематода Caenorhabditis elegans. Небольшие размеры тела молодых особей позволяют реконструировать всю нервную систему и получить полные данные коннектома с помощью электронной микроскопии. У взрослой особи нервная система, как оказалось, состоит всего из 320 нейронов.
Так называемая «визуализация всего мозга» этого свободно движущегося животного позволила описать состояние всего мозга и переходы между состояниями, а также обнаружить ансамблевую активность, связанную с сенсорной информацией или поведением. Однако остался пробел в понимании того, как генерируются эти паттерны активности, и методологии для выяснения этого нет.
Исследователи из Японии представили новые подходы к разложению и реконструкции динамики всей нервной системы на основе результатов 4D-визуализации Caenorhabditis elegans. Эти подходы успешно выявили индивидуальные различия, особенно в путях передачи сенсорной информации, а также роль отдельных нейронов, химических и электрических синапсов в информационном потоке.
Сначала исследователи измеряли нейронную активность каждой клетки примитивного мозга. Для этого круглого червя поместили в микрожидкостный чип - крошечное устройство, предназначенное для того, чтобы черви могли «покачиваться» вперед и назад, сохраняя при этом их в поле зрения объектива. Затем с помощью конфокального микроскопа фиксировалось, как нейроны реагировали на изменения концентрации соли. Исследователи обнаружили большие индивидуальные различия в нейронной активности. Однако пока неизвестно, обусловлены ли они индивидуальными вариациями в структуре коннектома, возникающими во время эмбрионального или постэмбрионального развития, как сообщалось в другом исследовании, или обусловлены различным предшествующим опытом.
Затем полученные данные использовались для компьютерного моделирования мозга круглых червей. Однако первые симуляции, которые содержали только детерминированные элементы, привели к затуханию «нейронной» активности. Добавив к моделям «шум», команда добилась точного представления активности всего мозга круглых червей.
Исследователи смогли не только оценить силу связи между нейронами, но и продемонстрировали, что «шум» необходим для активности мозга. Эта математическая модель потенциально может быть применена для анализа активности нейронов в тех случаях, когда полные данные о коннектоме еще недоступны.
Стоит отметить, что исследователи для использовали в своей работе два аналитических метода для анализа полученных данных - TDE-RICA и gKDR-GMM. Они показали свою эффективность в разложении динамики сети, позволили оценить силу синапсов и константы времени, что сильно помогло в создании модели для понимания того, как основные сети генерируют коррелированные действия и регулируются сенсорными входами. Более того, метод gKDR-GMM помог выявить критическую роль шума в реалистичных нейронных сетях.
Подробности доступны в журнале PLOS Computational Biology.
Текст: Анна Удоратина
Ссылка на источник
Интересная особенность головного мозга состоит в его способности выполнять довольно широкий спектр разнообразных функций при неизменной анатомической структуре. Существует гипотеза, которая предполагает, что эта особенность мозга обеспечивается его модульной организацией и иерархической системой взаимодействий составных частей, между которыми происходит непрерывный обмен информацией. Однако все еще доподлинно неизвестно, как именно мозг выполняет различные интегративные и инструктивные функции. Понимание динамики мозга на всех структурных уровнях, от отдельных нейронов до функциональных областей мозга и всего мозга, остается сложной задачей из-за его структурной сложности и огромного количества нейронов.
Головной мозг крупных млекопитающих состоит из десятков миллиардов нейронов и отличается высокой сложностью. Понимание его динамики на всех структурных уровнях до сих пор остается сложной задачей, которую не получается решить при помощи существующих технологических достижений. Напротив, для более мелких животных, нервная система которых не отличается такой сложностью, измерения активности квазицелого мозга с разрешением отдельных клеток оказываются более многообещающими.
Один их наиболее удачных модельных организмов, хорошо подходящих для такого анализа - нематода Caenorhabditis elegans. Небольшие размеры тела молодых особей позволяют реконструировать всю нервную систему и получить полные данные коннектома с помощью электронной микроскопии. У взрослой особи нервная система, как оказалось, состоит всего из 320 нейронов.
Так называемая «визуализация всего мозга» этого свободно движущегося животного позволила описать состояние всего мозга и переходы между состояниями, а также обнаружить ансамблевую активность, связанную с сенсорной информацией или поведением. Однако остался пробел в понимании того, как генерируются эти паттерны активности, и методологии для выяснения этого нет.
Исследователи из Японии представили новые подходы к разложению и реконструкции динамики всей нервной системы на основе результатов 4D-визуализации Caenorhabditis elegans. Эти подходы успешно выявили индивидуальные различия, особенно в путях передачи сенсорной информации, а также роль отдельных нейронов, химических и электрических синапсов в информационном потоке.
Сначала исследователи измеряли нейронную активность каждой клетки примитивного мозга. Для этого круглого червя поместили в микрожидкостный чип - крошечное устройство, предназначенное для того, чтобы черви могли «покачиваться» вперед и назад, сохраняя при этом их в поле зрения объектива. Затем с помощью конфокального микроскопа фиксировалось, как нейроны реагировали на изменения концентрации соли. Исследователи обнаружили большие индивидуальные различия в нейронной активности. Однако пока неизвестно, обусловлены ли они индивидуальными вариациями в структуре коннектома, возникающими во время эмбрионального или постэмбрионального развития, как сообщалось в другом исследовании, или обусловлены различным предшествующим опытом.
Затем полученные данные использовались для компьютерного моделирования мозга круглых червей. Однако первые симуляции, которые содержали только детерминированные элементы, привели к затуханию «нейронной» активности. Добавив к моделям «шум», команда добилась точного представления активности всего мозга круглых червей.
Исследователи смогли не только оценить силу связи между нейронами, но и продемонстрировали, что «шум» необходим для активности мозга. Эта математическая модель потенциально может быть применена для анализа активности нейронов в тех случаях, когда полные данные о коннектоме еще недоступны.
Стоит отметить, что исследователи для использовали в своей работе два аналитических метода для анализа полученных данных - TDE-RICA и gKDR-GMM. Они показали свою эффективность в разложении динамики сети, позволили оценить силу синапсов и константы времени, что сильно помогло в создании модели для понимания того, как основные сети генерируют коррелированные действия и регулируются сенсорными входами. Более того, метод gKDR-GMM помог выявить критическую роль шума в реалистичных нейронных сетях.
Подробности доступны в журнале PLOS Computational Biology.
Текст: Анна Удоратина
Ссылка на источник